联邦学习（pytorch）的损失值为负值解决办法

在用pytorch运行联邦学习程序时，损失值出现负值，如下：

出现这种情况，我们可以用以下解决方法：

方法一:

在定义的模型里把 self.softmax = nn.Softmax(dim=1) 改成

self.softmax = nn.LogSoftmax(dim=1)

在代码里如下：

 修改后的执行结果如下：

方法二：

因为交叉熵有个负对数，所以当网络输出的概率是0-1时，损失值为正数。而当网络输出大于1的数，就有可能变成负数。因此需要添加一行

out1 = F.softmax(out1, dim=1)

原文链接：https://www.jb51.net/article/190282.htm

（但是我没实现过，因为我找不到地方添加）

方法三：

把输入数据进行归一化，归一化函数代码如下：

def data_in_one(inputdata):
 
    min = np.nanmin(inputdata)
 
    max = np.nanmax(inputdata)
 
    outputdata = (inputdata-min)/(max-min)
 
    return outputdata

原文链接：https://blog.csdn.net/weixin_36670529/article/details/115752369?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-2.control

（但是这个方法我也没实现过，不知道怎么调用这个函数）